· Deepmind相当于人工智能领域的“阿波罗计划”，汇集各方面顶尖科学家解决AI问题。

· 在1997年战胜象棋大师卡斯帕罗夫的Deepblue是“弱”智能，它是预设程序，是被动的接受。Deepblue的胜利说明程序员的大脑有开创性。而AlphaGo是“强”智能，运用强化学习框架实现自我学习的功能。

· 为什么计算机下围棋很困难？
1、复杂程度难以解决；
2、不可能写出评估方程式以决定输赢；
3、围棋除了单一计算，还要看直觉。

· 围棋是建设性游戏、象棋是解构性游戏。

· 未来可以看到人机结合的力量，人工智能也是工具，为人们所用。

· 人工智能要恰当的应用，才能为人类谋福。

Eric Schmidt，Alphabet 董事长 

· 这是一个智能时代，还有很多有意思的公司还没出生，还有很多领域的“智能”程度有待开发。 

Jeff Dean， Google Brain资深研究员 

· 神经网络发展迅猛。目前来看，在有些领域里，神经网络是唯一的解决途径。计算机的发展也支持了神经网络的发展。5年前，对一张模糊图片的判断，神经网络是26%的错误率，而人类错误率只有5%，到2016年，神经网络的错误率仅为3%，其发展速度让人惊叹。

· 人工智能发展很快，因为大家都有开放的心态。全球致力于人工智能的程序员们把最新的进展及时发在网络社区上，让大家看到并讨论，这种开放进一步促进了人工智能的发展。

· 教机器学会学习，通过机器自己发现问题、解决问题，这是我们努力的方向。现在那么多的企业，能教会机器学习的可能只有一万家，而我们希望以后将一万家变成一千五百万家。

· 关于人工智能会不会有“自主动机”这件事，我无法回答大家，现在还不好说。

陈刚，浙江大学计算机学院副院长  

· 人工智能应该把更多精力放在医学、教育、能源等领域的应用。

· 我们今天的教育领域，“因材施教”还没实现，因为单人对单人的效率太低。基于大数据和人工智能，可以实现每个小孩子的学习路径都不一样，真正的做到“因材施教”。 

· 人工智能目前没看到任何证据说明它有“自主动机"，目前的人工智能还处于非常早起的阶段，未来发展到什么程度并不好说。

刘知青 ，北京邮电大学教授、北邮计算机围棋研究所所长  

· 当AlphaGo刚出来的时候，我说5-15年后它会战胜职业棋手，没想到Deepmind这么短时间就实现了。这也开启了大家对于深度学习认知网络的认识。在我看来，AlphaGo实现突破的主要原因是对数据的认知又上了一个阶层。

· 我看好人工智能在交通物流领域的应用。围棋落子在于每一步效率最高，交通物流也是这样，核心就是提高资源利用率，这也正是人工智能擅长的。

· 机器学习是按照人的方法来设计的。通过感知、抽象和应用一步步学习。随着人工智能发展，是能够减轻人的负担的。比如计算功能的升级，人就不需要做过多计算工作；搜索功能的应用，让人类可以在记忆上减轻负担。人就可以被解脱出来做更多创造性工作、高等工作。

· 人工智能不是解决人类，而是解放人类。

李佳，Google Cloud&AI研发主管   

· 对人工智能领域感兴趣的人才越来越多，从一个角度上来说也促进了AI现在的蓬勃发展。

文章为「锦囊专家」原创作品，欢迎转载。作者： 小锦。